Świeżość treści a wybór źródeł przez AI: jak stara może być strona

Pytanie o wiek strony wraca w każdym audycie: czy artykuł z 2024 roku ma jeszcze szansę trafić do odpowiedzi generowanej przez model, czy trzeba go przepisać. Odpowiedź nie jest jednym progiem w miesiącach. Świeżość treści działa w wyszukiwarkach AI warunkowo: waży dużo w wąskiej grupie zapytań, a w pozostałych praktycznie nie ma znaczenia, bo model i tak sięga po materiał, który najlepiej odpowiada na pytanie.

Problem polega na tym, że większość redakcji traktuje odświeżanie jak rytuał kwartalny i rozkłada budżet równo na cały serwis. To najdroższy możliwy wariant, bo pieniądze idą w teksty, które nie potrzebowały zmian, a zapytania naprawdę wrażliwe na datę zostają z nieaktualnymi liczbami. Poniżej rozkładamy to na części: skąd model wie, kiedy powstała strona, które tematy są czasowo kruche, i jak wygląda harmonogram, który da się utrzymać.

Gdzie model bierze informację o dacie

Modele nie mają jednego pola „wiek dokumentu”. Korzystają z warstwy wyszukiwania, która podaje im zestaw sygnałów, i z samej treści, którą następnie czytają. Te dwa źródła często się rozjeżdżają, a to właśnie rozjazd jest najczęstszą przyczyną problemów.

• Widoczna data w szablonie. Model czyta ją jak człowiek, razem z resztą strony. Jeśli szablon ukrywa datę, znika też najprostszy dowód aktualności.
• Dane strukturalne. Pola datePublished i dateModified w schema typu Article. To sygnał dla warstwy wyszukiwania, nie dla samego modelu językowego.
• Pole lastmod w sitemapie. Podpowiedź dla crawlera, kiedy warto wrócić na stronę. Nie jest to data, którą użytkownik zobaczy w odpowiedzi.
• Data ostatniego pobrania. Indeks pamięta, kiedy ostatnio widział dokument i czy coś się w nim zmieniło.
• Wzmianki w tekście. Zwroty typu „w 2024 roku”, „obecna wersja”, „od czerwca” oraz nazwy wersji narzędzi. To sygnał, który model waży najmocniej, bo pochodzi z treści, a nie z metadanych.

Ostatni punkt jest kluczowy i najczęściej pomijany. Można przestawić dateModified na dzisiejszą datę i nadal mieć artykuł, który w akapicie trzecim mówi o limicie obowiązującym dwa lata temu. Model przeczyta ten akapit i uzna dokument za stary, niezależnie od metadanych. Różnice w tym, jak poszczególne systemy ważą metadane i treść, opisaliśmy szerzej przy okazji porównania doboru źródeł w Gemini i Google AI Mode.

Zapytania, w których świeżość decyduje

Istnieje spójna grupa pytań, przy których data publikacji jest realnym kryterium odcięcia. Łączy je jedna cecha: poprawna odpowiedź zmieniła się od czasu, gdy tekst powstał, więc stary dokument nie jest po prostu gorszy, on jest po prostu błędny.

1. Ceny, limity i plany abonamentowe. Cennik z zeszłego roku to dezinformacja, nie archiwum.
2. Wersje i możliwości narzędzi. Zakres funkcji modeli, wtyczek i paneli zmienia się w cyklach kilkumiesięcznych.
3. Zmiany w algorytmach i politykach platform. Każda aktualizacja unieważnia część wcześniejszych rekomendacji.
4. Dane rynkowe i udziały. Liczby bez roku odniesienia są bezużyteczne.
5. Regulacje i obowiązki formalne. Terminy i progi przesuwają się rocznie.
6. Zestawienia typu „najlepsze narzędzia 2026”. Rok w tytule to obietnica, którą trzeba dowieźć.

W tej grupie rozsądny cykl aktualizacji liczy się w tygodniach, nie w kwartałach. Warto też pamiętać, że systemy z własną warstwą wyszukiwania zachowują się tu inaczej niż te odpowiadające z pamięci modelu. Mechanika cytowania przy zapytaniach z silnym komponentem czasowym wygląda zupełnie inaczej, co opisywaliśmy przy wejściu do citations w Perplexity.

Tematy, w których liczy się stabilność

Druga połowa serwisu zachowuje się odwrotnie. Są treści, w których długi, niezmieniony cykl życia jest zaletą, bo buduje wrażenie dokumentu referencyjnego. Model sięga po nie chętnie właśnie dlatego, że nie zmieniają zdania co pół roku.

Należą tu definicje pojęć, wyjaśnienia mechanizmów działania, metodologie pomiaru, matematyka stojąca za metrykami, opisy formatów danych i poradniki dotyczące rzeczy, które po prostu nie ewoluują. Artykuł wyjaśniający, czym jest kanonikalizacja adresów, nie wymaga odświeżania, bo zasada nie zmieniła się od lat. Odświeżanie go daje zero zysku i generuje ryzyko, że ktoś przy okazji zepsuje działający tekst.

Prosty test: jeśli po przeczytaniu tekstu nie potrafisz wskazać ani jednego zdania, które rok temu brzmiałoby inaczej, to treść jest stabilna i nie należy do kolejki odświeżania. Oszczędzony czas lepiej przeznaczyć na strony konwertujące, gdzie struktura waży więcej niż data, zgodnie z zasadami opisanymi w materiale o budowie landing pages pod AI.

Data w treści, w schema i w sitemapie

Trzy warstwy, trzy różne funkcje. Mieszanie ich jest źródłem większości nieporozumień na temat świeżości.

Minimalna higiena wygląda tak: data widoczna w szablonie zgadza się z dateModified, lastmod zmienia się tylko przy realnej edycji, a wszystkie liczby w tekście mają podany rok odniesienia. Oficjalne wytyczne dotyczące prezentowania dat publikacji opisuje dokumentacja Google Search Central, a definicje samych pól znajdziesz w specyfikacji schema.org.

Aktualizacja pozorna kontra realna

Najpowszechniejszy antywzorzec to podbijanie dateModified bez dotykania treści, czasem automatem na cały katalog. Krótkoterminowo wygląda to jak ożywienie serwisu. Średnioterminowo kosztuje, bo crawler wraca na strony, które się nie zmieniły, uczy się, że sygnał jest fałszywy, i przestaje reagować na niego wtedy, gdy zmiana jest prawdziwa. Przy serwisach z ograniczonym budżetem crawlowania to realna strata.

Realna aktualizacja ma mierzalne ślady. Zmienia się liczba, nazwa wersji, rekomendacja albo pojawia się nowa sekcja odpowiadająca na pytanie, którego rok temu nikt nie zadawał. Dobra praktyka to trzymanie krótkiej noty o zmianach na końcu tekstu: jedno zdanie o tym, co i kiedy zostało poprawione. Model czyta tę notę i dostaje wprost informację, że dokument jest utrzymywany, bez potrzeby wnioskowania z metadanych.

Odwrotny błąd to ukrywanie daty, żeby tekst nie wyglądał na stary. To działa wyłącznie na pobieżne spojrzenie. Brak daty przy treści, która mówi o konkretnej wersji narzędzia, obniża wiarygodność mocniej niż szczerze pokazany starszy wpis z notą o przeglądzie. Mechanizm ten widać szczególnie w systemach, które cytują fragmenty wraz z kontekstem, o czym pisaliśmy w analizie sygnałów cytowań w Claude.

Rozsądny harmonogram odświeżania

Zamiast jednego cyklu dla całego serwisu warto przypisać każdej treści klasę i trzymać się jej. Poniższy podział sprawdza się w serwisach o kilkuset adresach.

Do tego jeden wyjątek poza harmonogramem: gdy w branży dzieje się coś, co unieważnia istniejącą rekomendację, aktualizujesz od razu, w ciągu kilku dni, i dopisujesz notę o zmianie. Te kilka wymuszonych edycji w roku zrobi dla widoczności więcej niż cały kwartalny rytuał przepisywania tekstów, które nie miały z czym się rozminąć.

Wniosek praktyczny jest niewygodny dla kalendarzy redakcyjnych: nie ma progu wieku, po którym strona przestaje być cytowana. Jest natomiast prosty warunek, czy treść zawiera twierdzenia, które przestały być prawdziwe. Jeśli nie zawiera, dwuletni artykuł radzi sobie bez problemu. Jeśli zawiera, nie pomoże mu żadna data w metadanych.

FAQ